时间戳

首页 > 解决方案 > 比较 Pandas 列以评估它们是否包含相同的数字或一组数字

python - 比较 Pandas 列以评估它们是否包含相同的数字或一组数字

问题描述

我有一个包含两个地址信息的数据集，我需要比较它们以评估它们是否包含相同的数字或一组数字。

这是我的数据集

data = [['Road 76', 'Road 12, 55'], ['Road 11, 7-9', 'Road 11, 5'], ['Road 25', 'Street 5']]
df_original = pd.DataFrame( data, columns = ['Address 1', 'Address 2'])

这是结果

test_data  = [['Road 76', 'Road 12, 55', 0], ['7-9, Road 11', 'Road 11, 5', 1], ['Road 5', 'Street 25', 0]]
df_outcome = pd.DataFrame(test_data,  columns = ['Address 1', 'Address 2', 'Number Match?'])
df_outcome

这是我的尝试，但它只考虑列中出现的第一个数字

df_original['Address 1'] = df_original['Address 1'].str.extract('(\d+)')
df_original['Address 2'] = df_original['Address 2'].str.extract('(\d+)')
df_original['Number match'] = np.where(df_original['Address 1']==df_original['Address 2'], 1, 0)

建议？

标签： pythonpandas

解决方案

首先获取所有整数Series.str.findall，将值转换为集合并用于交集&，最后转换为布尔值以进行映射True->1, False->0：

df_original['Address 1'] = df_original['Address 1'].str.findall('(\d+)').apply(set)
df_original['Address 2'] = df_original['Address 2'].str.findall('(\d+)').apply(set)

df_original['Number match'] = (df_original['Address 1'] & df_original['Address 2']).astype(int)

print (df_original)
    Address 1 Address 2  Number match
0        {76}  {55, 12}             0
1  {9, 7, 11}   {5, 11}             1
2        {25}       {5}             0

推荐阅读